《表1 不同算法在小规模数据集中的准确率》
提示：宽带有限、当前游客访问压缩模式
表1显示了三种方法的精度。虽然3种方法在训练集上的精度都可以达到99%以上，但SDAE-DNN方法在测试集上的识别精度最高，优于其他两种方法。
| 图表编号 | XD00189213000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.20 |
| 作者 | 宫亮、马宗杰、杨煜普 |
| 绘制单位 | 上海交通大学电子信息与电气工程学院自动化系、欧姆龙(上海)有限公司、欧姆龙(上海)有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 两种算法在不同规模网络上的实验数据统计》2020.06.15
- 《表1 排产算法在不同数据规模下的结果比较》2021.03.01
- 《表5 在不同数据集中,各个模型在GZSL任务中的Top-1准确率(%)(续)》2021.02.01
- 《表4 在不同数据集中,各个模型在传统ZSL任务中的Top-1准确率(%)》2021.02.01
- 《表5 在不同数据集中,各个模型在GZSL任务中的Top-1准确率(%)》2021.02.01
- 《表1 新算法与最短增广链算法在不同网络规模的运行数据》2020.10.10
- 《表2 不同算法在大规模数据集中的准确率》2020.10.20
- 《表6 AlexNet和Em-AlexNet算法对JAFFE数据集中不同表情的识别准确率》2020.07.25
- 《表5 AlexNet和Em-AlexNet算法对CK+数据集中不同表情的识别准确率》2020.07.25
- 《表2 六种算法在11个数据集中的平均准确率排序1)》2020.05.30
- 《表1 不同算法在不同数据集中重建效果比较》2020.07.01
- 《表1 Indian Pines数据集中各种算法在不同类别中的分类精度》2020.03.25
- 《表2 PaviaU数据集中各类地物在不同算法下的分类精度》2020.03.25
- 《表3 本文算法在不同数据集中的运行时间》2020.04.16
- 《表4 SPAUL在两个数据集中使用不同参数进行对齐的准确率对比》2020.01.30
- 《表5 数据集中算法准确率》2019.11.01
- 《表1 各算法在不同规模数据集上的准确度》2019.06.10
- 《表4 不同算法在真实数据集中的精确度》2019.01.30
- 《表6 不同算法在真实数据集中的F-度量》2019.01.30
- 《表5 不同算法在真实数据集中的召回率》2019.01.30